PeriorbitAI: Künstliche Intelligenz zur automatisierten Messung periorbitaler Parameter LIDS

Seattle – Alexandra Van Brummen et al. aus dem Department of Ophthalmology der University of Washington in Seattle im Bundesstaat Washington, Vereinigte Staaten, berichten über die Entwicklung und Validierung eines semantischen Segmentierungsnetzwerks für Deep Learning, um die Bewertung von acht periorbitalen Messungen zu automatisieren. Insgesamt wurden 418 Fotografien von periorbitalen Bereichen verwendet, um ein semantisches Segmentierungsmodell für Deep Learning zur Segmentierung von Iris-, Apertur- und Brauenbereichen zu trainieren. Diese Daten wurden verwendet, um einen Algorithmus zur Nachbearbeitung zu entwickeln, der die Randreflexdistanz (MRD) 1 und 2, die mediale (MCH) und die laterale Kanthalhöhe (LCH), die mediale (MBH) und die laterale Brauenhöhe (LBH) sowie den medialen (MID) und den lateralen Interkanthalsabstand (LID) misst. Die Validität des Algorithmus wurde anhand eines prospektiven Hold-out-Testsatzes im Vergleich zu drei menschlichen Auswertern bewertet. Die wichtigsten Ergebnisparameter waren der Würfelkoeffizient, die mittlere absolute Differenz, der klasseninterne Korrelationskoeffizient und die Bland-Altman-Analyse. Als Machbarkeitsnachweis wurde auch ein Smartphone-Video segmentiert und ausgewertet. Der KI-Algorithmus lieferte Ergebnisse, die mit denen der menschlichen Analysten nahezu übereinstimmten. Dabei lag die mittlere absolute Differenz für MRD1, MRD2, LCH und MCH bei 0,5 mm. Der mittlere absolute Unterschied zwischen den Auswertern betrug circa 1,5 bis 2 mm für LBH und MBH und circa 2 bis 4 mm für MID und LID. Die 95-%-Konfidenzintervalle für alle Auswerter überschnitten sich in den meisten Fällen, was zeigt, dass der Algorithmus ähnlich wie menschliche Bewerter funktioniert. Die Segmentierung eines Smartphone-Videos zeigte, dass MRD1 dynamisch gemessen werden kann. Die Autoren schreiben in der elektronischen Vorabpublikation im Mai 2021 beim AMERICAN JOURNAL OF OPHTHALMOLOGY, dass sie damit das nach ihrer Kenntnis erste Open-Source-System mit künstlicher Intelligenz vorstellen, das statische und dynamische periorbitale Messungen automatisieren kann. Es stehe somit ein vollautomatisiertes Werkzeug zur Verfügung, welches das Vorgehen bei der klinischen Versorgung und die Quantifizierung chirurgischer Ergebnisse verändern könne. (bs)

Autoren: Van Brummen A, Owen JP, Spaide T, Froines C, Lu R, Lacy M, Blazes M, Li E, Lee CS, Lee AY, Zhang M. Korrespondenz: Matthew Zhang, MD, University of Washington, Department of Ophthalmology, 325 Ninth Avenue, Box 359608, Seattle, WA 98104, USA. E-Mail: venwu@uw.edu Studie: PeriorbitAI: Artificial intelligence automation of eyelid and periorbital measurements. Quelle: Am J Ophthalmol. 2021 May 16:S0002-9394(21)00281-6. doi: 10.1016/j.ajo.2021.05.007. Epub ahead of print. PMID: 34010596. Web: https://www.ajo.com/article/S0002-9394(21)00281-6/fulltexthttps://www.ajo.com/article/S0002-9394(21)00281-6/fulltext